Es wird geladen

Hintergrund und Ziele des Projekts

 
Um Brennstoffkosten und CO₂-Emissionen einzusparen, wird Kohle in der Zementherstellung zu einem großen Teil durch sog. „Ersatzbrennstoffe“ (EBS) aus zerkleinerten Industrie- und Siedlungsabfällen ersetzt. Da diese Abfälle zeitlich und regional variabel sind, unterscheidet sich auch die Zusammensetzung der Ersatzbrennstoffe. Eine Qualitätskontrolle der EBS findet für gewöhnlich nur durch Stichproben im Labor statt und ist somit zu ineffizient für einen Nutzen in der Steuerung der Zementherstellung. EBS lassen sich manuell in verschiedene Fraktionen wie Folien, Hartplastik oder Papier einteilen. Diese Fraktionen unterscheiden sich in Abbrand- und Flugverhalten und führen zu geänderten Bedingungen im Drehrohrofen, sodass die Zusammensetzung der EBS entscheidend für eine gute Zementqualität ist. Das Ziel des Projektes ist, ein Ampelsystem für Ersatzbrennstoffe in der Zementherstellung zu entwickeln. In dem Ampelsystem sollen die Zusammensetzung sowie kritische Brennstoffeigenschaften automatisch zusammengefasst werden. Die Ampel soll dabei Informationen für einen optimalen Betrieb im Leitstand zur Verfügung stellen. Um das Ziel zu erreichen, sollen Proben aus dem EBS-Strom entnommen werden und mit wenigen Messungen (Fotografie, Nah-Infrarot) durch Machine Learning-Systeme bewertet werden. Die Machine Learning-Systeme umfassen Clustering sowie Klassifizierung und werden mit Hilfe einer im Projekt entwickelten Datenbank mit Messwerten einzelner EBS-Partikel angelernt. Das System soll in Betriebsversuchen in einem Zementwerk im industriellen Einsatz untersucht werden.

Das Forschungsvorhaben bietet KMU der Branchen Zementhersteller, Zulieferer, EBS-Aufbereiter und Machine Learning alle Informationen, die für die Implementierung einer automatischen Bewertung von EBS nötig sind. Mit diesen Informationen lässt sich der Drehrohrofen gleichmäßiger betreiben, was die Produktqualität erhöht.

Bilder der verschiedenen Fraktionen von Ersatzbrennstoffen: a) Papier und Pappe (PC), b) Textilien, c) 3D-Kunststoffe, d) Gummi, e) Schäume und f) Folien | © Fischer, Wirtz, Scherer 2023

Förderer

Das IGF-Vorhaben 22676 N der Forschungsvereinigung VDZ gemeinnützige GmbH – VDZ Technology gGmbH, Toulouser Allee 71, 40476 Düsseldorf wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Ihre Ansprechpartnerin

Haben Sie Fragen zu diesem Thema?

Dr. Kristina Fleiger

+49(0) 211 45 78 254
kpt@vdz-online.de

Das könnte Sie auch interessieren

01.11.2019

Forschungsprojekte

Verfahren zur Schnellprüfung der Qualität von flugfähigen Ersatzbrennstoffen für den Einsatz im Klinkerbrennprozess

Im Rahmen des Forschungsvorhabens sollte der deutschen Zementindustrie das Gebrauchsmuster eines neuartigen Apparats zur quasi-kontinuierlichen Eingangskontrolle der EBS-Lieferungen zur Verfügung gestellt werden. Basierend auf einer schnellen, technisch robusten und effizienten Charakterisierung von Flugfähigkeit, Feuchte und optisch erfassbaren Merkmalen des EBS sollte ein System entwickelt, konstruiert und in der Praxis erprobt werden.

Mehr erfahren

01.10.2020

Forschungsprojekte

Untersuchung der Robustheit von KI-Anwendungen zur Prozessoptimierung bei der Zementherstellung

KI-Anwendungen bzw. Anwendungen des maschinellen Lernens wie Softsensoren oder Assistenzsysteme für Produktionssteuerer stellen vielversprechende Lösungen zur Prozesskontrolle und -optimierung dar. Voraussetzung dafür sind jedoch robuste KI-Anwendungen, die die Betriebssicherheit komplexer Produktionsanlagen in der Zementindustrie nicht gefährden.

Mehr erfahren

01.10.2015

Forschungsprojekte

Steigerung des Ersatzbrennstoffeinsatzes in der Hauptfeuerung von Zementdrehrohröfen

Im Projekt sollten auf Basis von Anlagenerfahrungen, vorliegenden und neuen Anlagenmessungen sowie CFD-Simulationen, die Sensitivitäten und Abhängigkeiten der verschiedenen Einflussgrößen in einer anlagenunabhängigen allgemeingültigen Form erarbeitet werden.

Mehr erfahren

Verwandte Literatur

Random forest classifier and neural network for fraction identification of refuse-derived fuel images

Fischer, J.; Wirtz, S.; Scherer, V.
Fuel, Volume 341, 1 June 2023, 127712

Mehr erfahren

Vielen Dank für Ihr Interesse an unserer Publikation:

Es wird geladen